论文部分内容阅读
浊度(Turbidity,T)是水质环境监测的一个重要光学指标,可以代表光线透过水体的阻碍程度,对海洋的初级生产力、海洋生态、生物化学过程、水动力环境与物质输运的研究有着重要意义。中国近海浊度遥感反演的关键问题之一在于必须先进行精确大气校正。由于中国近海水体环境复杂多变大气校正面临极大困难,尤其在近岸高浑浊水体,现有一些主流水色业务化产品大气校正基本失效,带来许多不确定性和大量错误的掩膜。鉴于当前大气分子辐射贡献已经可以通过瑞利校正精确估算,大气校正的难点只在于气溶胶辐射贡献的估计。因此,本研究提出了一个基于GOCI(Geostationary Ocean Color Imager)瑞利校正反射率(Rayleigh-corrected Reflectance,Rrc)的浊度遥感算法,取代普遍的基于遥感反射率(Remote Sensing Reflectance, Rrs)的算法,绕开精确的大气校正。并在此基础上,开展了不同模型之间、不同传感器数据(即GOCI与MODIS (Moderate Resolution Imaging Spectroradiometer)传感器数据)之间以及大气校正(UVAC算法)前后之间的比较,同时对其在东中国海区域的适用性进行分析;最后,扩大了算法适用范围,应用于2014-2015年东中国海的近岸区域,分析了浊度的时空分布规律和变化趋势。主要研究结果如下:(1)应用大量的精确同步的星地匹配数据集,经过光谱分析和敏感性实验分析,最终以波段组合(Rrc(490) + Rrc(680)) / (Rrc(490) /Rrc(680))与浊度的对数建立二次函数模型,得到了一个基于GOCI瑞利校正反射率Rrc的浊度反演算法。该算法可以在无精确大气校正情况下,进行较精确的浊度估计,判定系数R2在80%以上,并且算法通过了稳定性检验。(2)通过比较分析,得出本研究算法与其他相关算法相比,更适用于中国近岸高浑浊水体的浊度估计,但低浊度的估计精度有待提高;以大气校正后的Rrs替换Rrc来作为模型的输入,并没有提高算法的精度;同时,该算法也对MODIS数据的应用进行检验,精度没有利用GOCI数据时高,需要再进行精细的校准。(3)通过建立联合算法,扩大了算法的适用范围。时空分布分析的结果显示东中国海浊度分布的基本趋势是近岸高,远岸低;春季和秋季浊度不稳定,到了冬季和夏季浊度分别达到最高值和最低值,并达到一个稳定状态;浊度高值区位于渤海沿岸、苏北浅滩、长江口和朝鲜西侧,浙江近岸有较窄的浊度带;浊度时空分布变化特征是受到了潮流、季风、跃层、陆源输入、一些短期天气现象以及环流等因素的综合影响。